一种数据识别方法技术

本发明专利技术涉及图像识别领域，具体涉及一种数据识别方法，包括：图像采集步骤，采集目标物的图像；特征值计算步骤，从采集的图像中提取图像的颜色特征，计算图像颜色特征中的颜色特征值；图像分类步骤，将图像的颜色特征值输入到经过预先训练的分类模型中，输出图像的分类结果；图像分类步骤还包括：分类阈值优化步骤，获取样本图像并计算颜色特征值，输入样本图像的颜色特征值到分类模型得到初始值，将初始值与样本图像的实际值进行计算得到误差值，利用误差值逆向对分类模型的分类阈值进行优化，直到误差值小于预设的最小值。本发明专利技术能解决现有分类模型因采用固定分类阈值导致的通用性低和分类不准确的问题。

A Data Recognition Method

The invention relates to the field of image recognition, in particular to a data recognition method, which includes: image acquisition steps, acquisition of images of target objects; eigenvalue calculation steps, extraction of color features of images from collected images, calculation of color eigenvalues in image color features; image classification steps, input of color eigenvalues of images into pre-trained classification models. The steps of image classification include: optimizing the classification threshold, obtaining the sample image and calculating the color eigenvalue, inputting the color eigenvalue of the sample image to the classification model to get the initial value, calculating the initial value and the actual value of the sample image to get the error value, and using the error value to reverse the classification threshold of the classification model to optimize until the error occurs. The difference is less than the preset minimum. The invention can solve the problems of low generality and inaccurate classification caused by the fixed classification threshold of the existing classification model.

【技术实现步骤摘要】
一种数据识别方法
本专利技术涉及图像识别领域，具体涉及一种数据识别方法。
技术介绍
瓷砖是应用非常广泛的建筑装饰品，瓷砖配方里含有大量的如钙、镁、钾、钠等多种矿物质原料，就是这些矿物质原料在特定的烧结过程中(也就是合理的烧成温度)，能够熔融合并成为既坚硬又耐冻、耐磨、耐腐蚀的瓷质砖。但是，这些矿物质在熔融合并之时，不同的温度会显示出不同的色彩，这就产生了色差。现有技术中采用人工对有颜色差别的瓷砖进行分类，分类的效果以及速度受到人的情绪的控制，导致产生很多不稳定因素。为解决上述问题，公开号为CN203061453U的中国专利公开了一种瓷砖色差视觉分选系统，包括传输皮带、光学触发器和检测箱；所述光学触发器和所述检测箱均安装在所述传输皮带的线架上；所述检测箱内安装有光源、工业相机、图像采集卡和工控机；所述工控机内配置有视觉检测及检测评估软件系统；所述工业相机分别与所述光学触发器、所述图像采集卡连接，且所述光学触发器、所述图像采集卡均与所述工控机连接。该方案能对存在色差的瓷砖做出自动分选。瓷砖在烧结的过程中，色彩会伴随温度的变化而变化，严格来说每一个温度都会对应着一种色彩，只是邻近色彩差别极小，肉眼很难辨别。瓷砖在烧结时，很难保证瓷砖的各个位置受热一致，因此，不同批次的瓷砖在相同的烧结条件下色彩也会有偏差，而现有技术中的分类模型对瓷砖进行识别和分类时，均采用固定的分类阈值，其在出现色彩偏差时不能做出调整，导致通用性低和分类不准确的问题。
技术实现思路
本专利技术的目的在于提供一种数据识别方法，能避免现有分类模型因采用固定分类阈值导致的通用性低和分类不准确的问题。本专利技术提供的基础方案为：一种数据识别方法，包括以下步骤：图像采集步骤，采集目标物的图像；特征值计算步骤，从采集的图像中提取图像的颜色特征，计算图像颜色特征的颜色特征值；图像分类步骤，将图像的颜色特征值输入到经过预先训练的分类模型中，首先得到当前值，然后将当前值与预设的分类阈值进行比较，最后输出图像的分类结果；分类阈值优化步骤，获取样本图像并计算样本图像的颜色特征值，输入样本图像的颜色特征值到分类模型得到初始值，将初始值与样本图像的实际值进行计算得到误差值，利用误差值逆向对分类模型的分类阈值进行优化，直到误差值小于预设的最小值。本专利技术的有益效果：本方案通过分类模型对图像进行分类，同时能计算误差值，并通过误差值对分类模型的分类阈值进行实时优化，能解决现有分类模型采用固定分类阈值导致的通用性低和分类不准确的问题。进一步，还包括训练分类模型步骤，首先将颜色特征值作为训练特征值，根据训练特征值对图像的特征进行归一化，然后确定分类模型的结构和网络初始权值，利用遗传算法优化分类模型的初始权值，采用归一化的特征数据训练分类模型网络，最后得到训练完成的分类模型。本方案采用分类模型进行分类，分类模型的初始权值采用遗传算法优化，本专利技术通过利用训练集中的图像特征和分类结果对模型网络进行训练，得到了特征和分类结果的映射关系。有益效果：结合新特征和融合算法进行分类，通过梯度算法进行迭代运算求解权值的过程，通过训练不断地调整网络的权值和阈值，以使得输出的当前值与实际值的误差小，从而使网络实现给定的输入输出映射关系，使分类精度显著提高。进一步，特征值计算步骤中，计算图像的颜色特征值具体包括：预处理步骤，对图像进行边缘检测，得到边缘像素点，根据边缘像素点确定第一区域；计算步骤，将图像RGB空间的所有颜色值转换为LAB空间的颜色值，然后计算第一区域内任意两种颜色值的欧氏距离。有益效果：对于人眼察觉不到的颜色，大部分都存在于图像的边缘部分，因此需要检测出图像的边缘像素点以进行后续处理，将RGB转换为LAB的优点是：可以降低计算机识别色彩的难度，使算法可以在色彩较少的空间里识别颜色。进一步，特征值计算步骤中，预处理步骤前还包括降噪步骤，对图像进行降噪处理。有益效果：通过降噪能减少数字图像中噪声能防止外部环境噪声的干扰。进一步，特征值计算步骤中，提取的图像颜色特征包括灰度级数、颜色相似度、颜色渐变和饱和度。本专利技术还公开了一种数据识别系统，包括：图像采集模块，用于采集目标物的图像；图像处理模块，用于获取图像采集模块采集的目标物图像并提取图像的颜色特征，根据颜色特征计算图像的颜色特征值；图像分类模块，用于图像处理模块计算的颜色特征值并将颜色特征值与分类阈值比较，根据比较的结果判断图像的类别并得出图像的分类结果。进一步，还包括：分类模型训练模块，用于以已知分类结果的瓷砖图像作为训练样本训练分类模型。有益效果：本方案利用对瓷砖图像进行机器学习的方式形成分类模型，进而再利用拍摄的瓷砖图像作为分类对象进行分类，利用人工智能的分类方式，消除了传统的人工分选方法由于受到光线的变化、工人的生理和心理的变化、视线角度变化等因素的影响，并且统一分类标准提高了造成整个工序的色差分选的准确性。附图说明图1为本专利技术实施例一中数据识别方法的流程框图；图2为本专利技术实施例二中瓷砖裁剪系统的逻辑框图。具体实施方式下面通过具体实施方式进一步详细的说明：实施例一：如图1所示：一种数据识别方法包括：S1：图像采集步骤，采集目标物的图像。采用恒大的DH-HV300型彩色工业级摄像机拍摄瓷砖表面的图像来完成图像的采集，该款摄像机内部集成了A/D转换模块能直接通过USB2.0接口与PC机进行处理。S2：特征值计算步骤，从采集的图像中提取图像的颜色特征，计算图像颜色特征中的颜色特征值。采用直接图法进行图像颜色特征的提取：在确定空间的基础上，统计每种颜色分量的像素占图像总像素的比例，得到图像各种颜色的比例分布(直方图)，最后把直方图作为图像的颜色特征进行图像检索。S201：降噪步骤，对图像进行降噪处理。S202：预处理步骤，对图像进行边缘检测，得到边缘像素点，根据边缘像素点确定第一区域。采用现有的图像边缘检测技术实现边缘检测，对于人眼察觉不到的颜色，大部分都存在于图像的边缘部分，因此需要检测出图像的边缘像素点以进行后续处理。S203：计算步骤，将图像RGB空间的所有颜色值转换为LAB空间的颜色值，然后在第一区域内任意两种颜色值的欧氏距离。提取得到图像颜色特征后，通过现有的PC软件计算图像的颜色特征值：将图像RGB空间的所有颜色的颜色值转换为LAB空间的颜色值，转换之后每种颜色的像素数不变。LAB色彩空间比RGB色彩空间更接近人类视觉。在RGB色彩空间上进行计算，可以最大限度的满足颜色识别的前提，并能识别出符合人眼识别的颜色数。在非边缘像素点区域内，按照颜色值由多到少的顺序计算LAB空间的任意两种颜色的颜色值的距离。根据公式按照颜色值由多到少的顺序计算第一区域内任意两种颜色的LAB值(L1*，a1*，b1*)和(L2*，a2*，b2*)的距离，其中，L1*，a1*，b1*和L1*，a1*，b1*分别为两种颜色的LAB色彩空间的三个通道的值。S3：图像分类步骤，将图像的颜色特征值输入到经过预先训练的分类模型中，本实施例中分类模型为BP神经网络模型，首先得到当前值，然后将当前值与分类阈值进行比较，最后输出图像的分类结果。S301：训练BP神经网络模型步骤，输入样本颜色特征值对BP神经网络模型进行训练。训练BP神经网络模型：首先将颜色特征值作为训练特本文档来自技高网...

【技术保护点】
1.一种数据识别方法，其特征在于：包括以下步骤：图像采集步骤，采集目标物的图像；特征值计算步骤，从采集的图像中提取图像的颜色特征，计算图像颜色特征的颜色特征值；图像分类步骤，将图像的颜色特征值输入到经过预先训练的分类模型中，首先得到当前值，然后将当前值与预设的分类阈值进行比较，最后输出图像的分类结果；分类阈值优化步骤，获取已知分类结果的样本图像并计算样本图像的颜色特征值，输入样本图像的颜色特征值到分类模型得到初始值，将初始值与样本图像的实际值进行计算得到误差值，利用误差值逆向对分类模型的分类阈值进行优化，直到误差值小于预设的最小值。

【技术特征摘要】
1.一种数据识别方法，其特征在于：包括以下步骤：图像采集步骤，采集目标物的图像；特征值计算步骤，从采集的图像中提取图像的颜色特征，计算图像颜色特征的颜色特征值；图像分类步骤，将图像的颜色特征值输入到经过预先训练的分类模型中，首先得到当前值，然后将当前值与预设的分类阈值进行比较，最后输出图像的分类结果；分类阈值优化步骤，获取已知分类结果的样本图像并计算样本图像的颜色特征值，输入样本图像的颜色特征值到分类模型得到初始值，将初始值与样本图像的实际值进行计算得到误差值，利用误差值逆向对分类模型的分类阈值进行优化，直到误差值小于预设的最小值。2.根据权利要求1所述的数据识别方法，其特征在于：还包括训练分类模型步骤，首先将颜色特征值作为训练特征值，根据训练特征值对图像的特征进行归一化，然后确定分类模型的结构和网络初始权值，利用遗传算法优化分类模型的初始权值，采用归一化的特征数据训练分类模型网络，最后得到训练完成的分类模型。3.根据权利要求2所述的数据识别方法，其特征在于：特征值计算步骤中，计算图...

【专利技术属性】
技术研发人员：盛中华，
申请(专利权)人：广州市载道信息科技有限公司，
类型：发明
国别省市：广东,44